开源 hamo-score-0.6b：一个在你自己机器上运行的心理状态评分模型

AI for Inner Explorers.

Hamo 开源了 hamo-score-0.6b：一个 6 亿参数的小模型，读取疗愈对话中的一句话，给出五个心理状态维度的分数 —— 并且永远不写回复。它在一台笔记本上不到一秒完成打分，与云端前沿模型的临床判断一致率 96.3%，全项目 API 花费约七美元。

Hamo 的每一次对话里，都站着一个不出声的参与者。Avatar 在说话，而另一个东西在读 —— 它不组织回应，只是把脉。来访者说一句话，它就悄悄记下五个数。

这个组件叫 SCORE。在此之前，它以调用云端大模型 API 的方式运行：来访者发出的每一句话，都要离开我们的机器、交给一家外部厂商、再带着一个判断回来。今天它跑在我们自己的硬件上，模型小到能装进一部手机 —— 而从这一周起，任何人都可以下载它。

它是把脉师，不是代笔人

描述 SCORE 最准确的说法，是它在给一段对话把脉。它读一句话，给五个维度各打一个 0.0 到 3.0 的分：

• 行动力（Agency） —— 这个人是否在为自己做点什么？计划、应对、自主的行动。
• 退缩（Withdrawal） —— 他是否在往回收？脱离、回避、沉默下去。
• 极端化（Extremity） —— 灾难化、非黑即白、绝对化的措辞。
• 敌意（Hostility） —— 在攻击某个人。单纯宣泄挫败不算。
• 边界感（Boundary） —— 一个清晰的「我」留下的语言痕迹：我需要、我不愿意、这是我的底线。

边界感值得多说一句，因为它是五个里最特别的一个。它的临床本源是家庭治疗中的「自我分化」 —— 那是一种关系属性，需要在时间里观察。但一个只读一句话的把脉师看不见关系，它只看得见语言。所以它实际测量的，是边界感的语言足迹：「我需要……」「我不愿意……」是高分；惊慌的倾泻、自我淹没在情绪里，是低分。而骂人根本不算边界 —— 那记为敌意，是边界失效的另一个方向。

这五个数字永远不会抵达来访者。它们流进确定性代码，折算成压力值、判定此刻落在哪个状态桶，再由准入表决定这一轮谈话能走多深 —— 是只能接地与陪伴，还是可以上认知检验。

把脉师从不开方。但下游的每一张方子，都以它的脉象为前提。

为什么必须是小的、本地的、自己的

云端 API 打分打得不错。但有四件事它给不了：

数据主权。 在多数前沿模型的服务条款下，你不能用它的输出去训练一个竞争模型。用租来的判官打分，分数就一直是租的。用自己的判官打分，每一次判断都成为可以喂给下一代模型的资产。

一把不会移动的尺子。 云端模型会被悄悄升级，判官一变，尺子就在你脚下漂移。而审计轨迹必须能回答「上个月的压力值和这个月的，是不是同一把尺子量的」 —— 只有锁死的版本号能让这个问题有答案。对任何需要为一份临床记录辩护的机构来说，一个不通知你就改变的模型，是不合格的。

强意义上的隐私。 打分本地化之后，来访者的话根本不再离开这栋楼。对于功能上等同于病历的对话，「数据不出诊所」是能拿出的最强姿态 —— 比任何关于传输加密的承诺都更强。

我们要求别人做的事，自己得先做。 我们认为专业机构最终应该部署的形态，是本地小模型 + 确定性脊柱。如果自己不先在生产里跑这套形态，去推荐它就是空话。开源一个自己并不依赖的东西，那是一份新闻稿；开源自己系统正跑着的那个东西，才是一次承诺。

它是怎么学会的，以及那条决定了一切的规矩

第一原则是一条隐私红线，后面每一个决定都受它约束：真实来访者对话永不进入训练集。

真实的生产数据只做两件事。它做「考卷」 —— 758 条留出的真实轮次，以其历史生产评分作为标准答案。它还提供「分布统计」：真实的人到底把话说多短、多口语、多零碎。第二件事比听起来重要得多。不参照它写出来的合成数据，会漂向工整、通顺、小说长度的段落 —— 而没有任何一个正在痛苦中的人，是那样打字的。

教学本身走的是一条三级师徒链。两年的生产打分早已在数据库里攒出了一份标准答案，再用一次不花一分钱。接着，一个开源模型 —— DeepSeek-chat —— 必须先在 440 条真题上通过「资格考试」，与标准答案的维度级一致率达到 89% 之后，才被允许去教任何东西。然后它给那些成为学生教材的合成对话窗口批改作业 —— 五代累计约两万条通过准入，其中本次发布的版本学的是约 1.5 万条。学生是 Qwen3-0.6B，在一台 MacBook 上以每轮 40 分钟的节奏学完。

为什么要绕一个中间老师，而不直接拿原判官的分数来教？两个理由，都是结构性的。一是服务条款不允许。二是我们要的是一条端到端完全开放、可复现的血统 —— 别人应该能在没有商业 API 密钥的情况下跑通这条管线，得到可比的结果。

合成语料也不是随便造的。它是按一张场景格子表定额生产的：中性寒暄必须全维打零；危机表达必须让退缩打满；对 AI 本身的抗拒要分五档强度；像「算了」这样两个字的消息，必须结合上下文才能理解。每一条生成出来的样本还要过一遍线上系统在用的同一道准入闸门 —— 分数落在设计目标之外的，直接丢弃，不做修补。

成绩单

评价一个把脉师，最公平的参照物就是它所替代的那个把脉师。读这张表有一个前提要先说清楚：模型那一列是在 758 条终评卷上判的分，而教师那一列是它在另一份 440 条校准集上的资格考成绩。两份考卷不同，所以这些列是参照，不是同场竞速：

关于这张表，有三句诚实的话要说。第一，天花板并不是 100% —— 那个参照评分器重复打同一句话时，与自己的一致率也只有 94–98%；而小模型的分歧大多是「这该打 1.0 还是 1.5」这种在 0.5 步长量表上的贴线球，恰恰是参照模型自己也会两边横跳的那类球。第二，边界感 73% 是五个维度里最弱的一项，我们不打算把它藏起来 —— 出于上文说过的原因，它是五项中最难从单句话里读出来的。第三，也是最不好看的一条：这一代的决策级一致率其实小幅下降了，从上一版的 96.8% 降到这里的 96.3%。这是我们有意接受的取舍 —— 同一次发布把维度级一致率从 81% 推到了 84.0%，并把危机措辞的召回率翻了一倍 —— 但它在某一个轴上确实是回退，理应写在表格自己的段落里，而不是塞进一条没人会读的脚注。

小模型还有一项旧管线没有的能力。极短的回复 —— 「算了」「无所谓」 —— 过去会被当作无法评分而跳过。小模型能结合上下文读懂它们，抓到里面那个退缩信号。而那恰恰是一个好的临床工作者会抬起头来的时刻。

它拒绝做的事

这里的边界不是免责声明，而是架构。

它从不写回复。 它在架构上仍然是一个小语言模型 —— 你用 AutoModelForCausalLM 加载它、调用 generate —— 但它被训练与提示去输出的，只有一个装着五个分数的 JSON 对象。它没有任何对话角色，它产出的任何东西都不会被展示给来访者。

它不是危机检测器。 这是本文最重要的一行，而它需要说得精确，而不是说得笼统。危机的判定根本不接在这个模型上：在 Hamo 的系统里，一套独立的确定性机制在更上游短路进入完整的升级协议，危机内容根本不会到达评分器。换掉评分器动不了这道闸门，因为这道闸门从来就没连到它上面。权重里确实带有一定的危机措辞敏感度 —— 这一项的召回率比上一代提升了 2 倍 —— 但那是纵深防御，不是防线本身。许可证要求任何部署这份权重的一方，都必须复现上游那套机制。

它不做诊断。 没有标签，没有障碍名称，不对一个人下任何临床结论。它评估的是一条消息，不是一个人，更不是来访者顺口提到的第三方。

它不做决定。 系统下一句说什么，由跑在同一条临床脊柱上的九种疗法管辖，并由一位以自己的执照担责的持证咨询师完成配置。把脉师提供信息，从不做选择。

为什么许可证不是 Apache 2.0

这件事我们想了很久，最后是刻意选的。

完全宽松的许可意味着：第一个基于这份权重造出来的无监督消费级 AI 伴侣，血统上挂着我们的名字 —— 而那恰恰是监管者正在清场的产品品类。完全封闭则意味着研究者和机构无法验证我们声称的任何一件事，那就失去了开源的意义。

所以权重以 HAMO-RAIL-S 1.0 发布，这是一份负责任 AI 许可证，而不是一份 OSI 认可的开源许可证。我们宁愿在这一点上说得精确，也不去借用一个并不贴切的词。商用、修改与再分发全都是自由的 —— 它带的是四条使用限制：

1. 不得独立做临床判定。 分数是提供给人去判断的输入，永远不是它自己下的结论。
2. 不得用于对个人的重大决定 —— 雇佣、保险、监控筛查。一个能从语言里读出心理状态的模型，恰恰最容易被对准那些从未同意被读取的人；这条线的存在，是要让那种用法成为明确的违约，而不是一片灰色地带。
3. 面向消费者的心理健康部署，必须保留一条独立的上游危机通道，并向所服务的人披露 AI 身份。
4. 不得试图重识别个人。

完整条款见模型页面。

我们希望它被拿去做什么

一个这么小、这么快、又这么可检视的评分器，用处远不止于我们自己的产品。有四类人，我们特别希望听到你们的声音：

心理学研究机构。 你可以锁死一个版本，它永远不会在你的研究底下漂移。一个在实验中途被悄悄升级的云端模型会让跨时间的比较失效；一个固定的本地检查点不会。如果你需要一件三月份和一月份给出同一个数的逐句状态测量工具，这就是一件。

临床与疗愈机构。 把它跑在你自己的基础设施里，来访者的语言就不会离开它。权重小到普通硬件就能承载 —— 不需要 GPU 集群，不依赖厂商，也不必为对话内容去谈一份数据处理协议。

执业咨询师。 这里诚实的用法是督导与复盘支持：为一份会谈记录提供第二重阅读，让你看见一位来访者的状态在数周里的形状 —— 那是单靠对会谈的记忆托不住的。它不替代你的判断，它是一件由你的判断来解读的仪器。

社会与语言心理学者。 这套东西底下有一个具体的主张：心理状态的可测量属性，会在单独一句话的语言里留下痕迹。我们认为这个主张值得被以语言和心智为业的人做对抗性检验。而我们最弱的那个维度 —— 边界感，73% —— 恰恰是这种检验最有价值的地方。

如果你发现它错了，请告诉我们错在哪里。公开的权重加上公开的评测方法，意味着分歧从此可以是具体的，而不是修辞性的。这基本上就是全部的意义所在。

为什么要把自己造的一个组件送出去

因为这个使命，不会由一家公司握着所有零件来完成。

陪伴内在探索者，唤醒全然觉知力 —— AI for Inner Explorers, Companion to Full Awareness.

如果目标是市场份额，那就该把每一个组件都攥在手里。但目标是帮助人看见一直在自己行为底下运行的那些东西 —— 而在任何有意义的时间尺度上，没有任何一家公司能独自抵达那里。心理学研究机构、临床机构、执业咨询师、研究心智与社会的学者，都必须能用这些工具去搭建、去检视、去纠正。这要求组件是可检视的、可以在本地跑起来的。所以我们把自己的做成这样，从这里开始。

这是 Hamo 第一个被释出的组件，也是最小的一个。它不会是最后一个。

“一个读取人心理状态的组件，不该是任何人的黑箱 —— 包括我们自己的。它应该小到能在你自己的机器上跑，便宜到一个研究实验室负担得起，开放到我们错的时候你能精确指出错在哪里。这就是权重公开的原因。理解人类心智不是一个可以垄断的市场，而是一件必须一起做的事。”
— Chris Cheng，Hamo AI 创始人兼 CEO

---

模型：chrischengzh/hamo-score-0.6b · 基座：Qwen3-0.6B · 许可证：HAMO-RAIL-S 1.0 · 格式：safetensors、MLX、GGUF

Grounded in code, not slideware.

Hamo AI — making minds aware, and awake.

---